次のように csv から DataFrame を作成しています。
stock = pd.read_csv('data_in/' + filename + '.csv', skipinitialspace=True)
DataFrame には日付列があります。指定された日付範囲内または指定された 2 つの日付値の間にある日付値を持つ行のみを含む新しい DataFrame を作成する (または既存の DataFrame を上書きする) 方法はありますか?
ベストアンサー1
解決策は 2 つあります。
- ブールマスクを使用して、
df.loc[mask]
- 日付列をDatetimeIndexとして設定し、
df[start_date : end_date]
ブールマスクの使用:
df['date']
dtype が次の Series であることを確認しますdatetime64[ns]
:
df['date'] = pd.to_datetime(df['date'])
ブールマスクを作成します。s 、s、s、または datetime 文字列にするstart_date
こともend_date
できます。datetime.datetime
np.datetime64
pd.Timestamp
#greater than the start date and smaller than the end date
mask = (df['date'] > start_date) & (df['date'] <= end_date)
サブデータフレームを選択します。
df.loc[mask]
または再割り当てdf
df = df.loc[mask]
例えば、
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.random((200,3)))
df['date'] = pd.date_range('2000-1-1', periods=200, freq='D')
mask = (df['date'] > '2000-6-1') & (df['date'] <= '2000-6-10')
print(df.loc[mask])
収穫
0 1 2 date
153 0.208875 0.727656 0.037787 2000-06-02
154 0.750800 0.776498 0.237716 2000-06-03
155 0.812008 0.127338 0.397240 2000-06-04
156 0.639937 0.207359 0.533527 2000-06-05
157 0.416998 0.845658 0.872826 2000-06-06
158 0.440069 0.338690 0.847545 2000-06-07
159 0.202354 0.624833 0.740254 2000-06-08
160 0.465746 0.080888 0.155452 2000-06-09
161 0.858232 0.190321 0.432574 2000-06-10
を使って日時インデックス:
日付による選択を多数行う場合は、date
最初に列をインデックスとして設定する方が速い場合があります。その後、 を使用して日付で行を選択できますdf.loc[start_date:end_date]
。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.random((200,3)))
df['date'] = pd.date_range('2000-1-1', periods=200, freq='D')
df = df.set_index(['date'])
print(df.loc['2000-6-1':'2000-6-10'])
収穫
0 1 2
date
2000-06-01 0.040457 0.326594 0.492136 # <- includes start_date
2000-06-02 0.279323 0.877446 0.464523
2000-06-03 0.328068 0.837669 0.608559
2000-06-04 0.107959 0.678297 0.517435
2000-06-05 0.131555 0.418380 0.025725
2000-06-06 0.999961 0.619517 0.206108
2000-06-07 0.129270 0.024533 0.154769
2000-06-08 0.441010 0.741781 0.470402
2000-06-09 0.682101 0.375660 0.009916
2000-06-10 0.754488 0.352293 0.339337
Python のリストのインデックス作成 (例: )seq[start:end]
には が含まれますstart
が は含まれません。end
対照的に、Pandas では、がインデックス内にある場合は、両方のエンドポイントが結果にdf.loc[start_date : end_date]
含まれます。ただし、 も もインデックス内にある必要はありません。start_date
end_date
また、pd.read_csv
parse_dates
パラメータを持つdate
これを使用して、列を s として解析できますdatetime64
。したがって、 を使用する場合はparse_dates
、 を使用する必要はありませんdf['date'] = pd.to_datetime(df['date'])
。